opencv学习笔记二十五：Harris角点检测

haaris角点检测在一个或者是两个相机进行标定的时候常常用到，Opencv和matlab中都有现成的命令和程序。

角点的位置就是图像中在x和y方向变化都很大的那个交点处。为了找到那些角点需要进行以下步骤的计算。

 一、获取输入图像image的x和y方向的边缘图像。

      方法是，用x和y方向的一阶滤波算子dx和dy（或者是二阶滤波算子dx和dy）对图像进行滤波。

      其中x方向的一阶滤波算子一般取为dx=[-1，0，1]；x方向的二阶滤波算子一般取为dx=[--2，1，0，1，2]；

             y方向的一阶滤波算子一般取为dy=[-1；0；1]；y方向的二阶滤波算子一般取为dy=[--2；1；0；1；2]；

       滤波函数用filter2()，边缘图像Ix=filter2(dx,image);Iy=filter2(dy,image);其中dx,dy为滤波算子，image为要进行滤波的图像.

二、计算角点量。

初始化角点量，并进行离散高斯滤波。

（M为图像中像素点的黑塞矩阵）

并用高斯算子对M进行二维离散滤波，高斯算子如下：

 

高斯算子通过gauss=fspecial('gaussian',[5 5],2)设置[5 5]为算子窗口大小，2为算子的：

gauss =

    0.0232    0.0338    0.0383    0.0338    0.0232
    0.0338    0.0492    0.0558    0.0492    0.0338
    0.0383    0.0558    0.0632    0.0558    0.0383
    0.0338    0.0492    0.0558    0.0492    0.0338
    0.0232    0.0338    0.0383    0.0338    0.0232

滤波是对图像每个像素点对应的M中各个元素进行滤波：

Ix2=filter2(gauss,Ix2);
Iy2=filter2(gauss,Iy2);
Ixy=filter2(gauss,Ixy);

然后计算各个像素点的角点量R，R为正值是，检测到的是角点，R为负时检测到的是边，R很小时检测到的是平坦区域：

或者

其中k取0.04~0.06常用

三、获取全局最大角点量值，设置阈值，并求局部最大角点量值也即进行非最大值抑制。

Rmax= max（R（i，j））

阈值thresh=th*Rmax，th取值越大角点越少，th越小角点越多。

非最大值抑制的方法是，取窗口内最大值，窗口可取3x3大小。

四、在图片上画出角点位置。当R（i，j）大于阈值且是局部最大值时就认为是角点处。

以上摘自该篇博客：https://blog.csdn.net/x_r_su/article/details/52680712

API函数：

cornerHarris(InputArray src,OutputArray dst, int blockSize, int ksize, double k, intborderType=BORDER_DEFAULT )

参数解释：

• 第一个参数，InputArray类型的src，源图像且需为单通道8位或者浮点型图像。
• 第二个参数，OutputArray类型的dst，函数调用后的运算结果存在这里，即这个参数用于存放Harris角点检测的输出结果，和源图片有一样的尺寸和类型。
• 第三个参数，int类型的blockSize，表示邻域的大小，对于每一个像素(x,y)在blockSize*blockSize 邻域内，计算2x2梯度的协方差矩阵。
• 第四个参数，int类型的ksize，表示Sobel()算子的模板大小。
• 第五个参数，double类型的k，Harris参数，常取0.04~0.06。
• 第六个参数，int类型的borderType，图像像素的边界模式，注意它有默认值BORDER_DEFAULT。

#include<opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int thresh = 80;
Mat src, dst,norm_dst,gray_img,abs_dst,out1,out2;
void callback(int, void*);
int main(int arc, char** argv)
{	
	src = imread("1.jpg");
	namedWindow("input",CV_WINDOW_AUTOSIZE);
	imshow("input", src);
    cvtColor(src, gray_img, CV_BGR2GRAY);

	namedWindow("output", CV_WINDOW_AUTOSIZE);
	createTrackbar("threshold", "output", &thresh, 255, callback);
	callback(0, 0);
	waitKey(0);
	return 0;
}
void callback(int, void*) {
	dst = Mat::zeros(gray_img.size(), CV_32FC1);
	out1 = Mat::zeros(gray_img.size(), CV_32FC1);

	cornerHarris(gray_img, dst, 2, 3, 0.04);
	normalize(dst, norm_dst, 0, 255, NORM_MINMAX, CV_32FC1,Mat());
	convertScaleAbs(norm_dst, abs_dst);//？

	Mat result_img = src.clone();
	for (int i = 0; i < result_img.rows; i++) {
		for (int j = 0; j < result_img.cols; j++) {
			uchar value = abs_dst.at<uchar>(i, j);
			if (value > thresh) {
				circle(result_img, Point(j, i),1,Scalar(0,255,0),2);
			}
		}
	}
	imshow("output", result_img);
}

运行结果如下：